python解析tflite模型文件

原创

已于 2022-04-12 14:07:22 修改 · 5.4k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #深度学习

于 2022-03-30 20:15:07 首次发布

本文介绍如何将TFLite模型文件转换为Python字典格式，以便清晰展示模型的完整推理流程，包括节点间的连接关系及操作参数。通过具体方法说明如何获取模型中的运算符、张量等关键信息。

目的

解析flatbuffer格式的tflite文件，转成可读的python dict格式，并可描述模型完整推理流程。

背景

tf.lite.Interpreter可以读tflite模型，但是其python接口没有描述模型结构(op node节点间的连接关系)

比如，interpreter.get_tensor_details()获取的信息，如下

[{'name': 'input_13',
  'index': 0,
  'shape': array([  1,   1, 240,   1], dtype=int32),
  'shape_signature': array([ -1,   1, 240,   1], dtype=int32),
  'dtype': numpy.float32,
  'quantization': (0.0, 0),
  'quantization_parameters': {'scales': array([], dtype=float32),
   'zero_points': array([], dtype=int32),
   'quantized_dimension': 0},
  'sparsity_parameters': {}},
 {'name': 'model_12/dense_144/BiasAdd/ReadVariableOp/resource',
  'index': 1,
  'shape': array([2], dtype=int32),
  'shape_signature': array([2], dtype=int32),
  'dtype': numpy.float32,
  'quantization': (0.0, 0),
  'quantization_parameters': {'scales': array([], dtype=float32),
   'zero_points': array([], dtype=int32),
   'quantized_dimension': 0},
  'sparsity_paramete